基于多特征联合学习和伪影约束的单帧图像超分辨率重建

摘要

高分辨率图像不仅能够给人们带来更好的视觉享受，更为识别跟踪、遥感测量、医学影像诊断等诸多应用领域提供了细节更为丰富的信息。但受制于探测器工艺水平和成像过程中降质因素的影响，获取的图像分辨率往往无法满足应用需求。通过改变光学系统结构或采用更高分辨率的探测器提高成像分辨率会大幅增加系统复杂度和成本，而图像的超分辨率重建算法使用一帧或多帧低分辨率输入图像来恢复高分辨率图像，其高适应性和性价比的特点使其逐渐成为研究应用的一大趋势。 经典的基于学习的SR重建算法通过训练大量自然图像样本作为额外的先验知识，使得算法对图像细节的补充能力大幅提高，获得了相比于其他算法更优的重建效果，因此，本文在该类算法的基础上展开研究，主要研究工作包括以下几方面。 （1）研究并实现基于稀疏表示的图像SR重建算法。构建自然图像样本数据库以提取高频信息并执行单特征字典对训练。将同一组的特征字典对用于不同低分辨率图像的图像重建。该方法的有效性通过对比实验得到验证。 （2）设计多特征联合学习方案。针对传统重建算法使用单一方式提取不同图像的高频信息导致提取特征的准确性和全面性偏低的问题，提出一种多特征联合学习的方法，利用梯度算子和Gabor变换分别提取边缘特征和纹理特征进行训练得到多特征字典对，并按照内容对图像分块归类选择对应的字典重建，最后合并成一幅高分辨率图像。 （3）提出人工伪影约束方法。针对人工伪影现象，结合重建结果分析了可能的形成原因，根据图像的自相似性，提出在求解欠定问题时使用非局部加权正则项强化图像重建的约束条件，在恢复图像细节信息的同时对重建误差和噪声加以抑制，进一步提升算法重建质量。 （4）进行单帧图像超分辨率重建实验并分析。为了验证多特征联合学习方法和重建伪影约束项的优越性，设计并比较了多组重建实验。结果表明，本文提出的方法在主观感知和客观数据指标方面具有更多的优势。另外，针对彩色图像的重建问题，设计实验对多个颜色坐标系下不同维度的图像进行重建对比，通过视觉和数值计算评估了重建结果，并确定了彩色图像重建的处理方案。

目录

第一个书签之前